Plato Research Dialogue System (Plato 研究对话系统)

当前版本：v0.3.1

Plato Research Dialogue System 是一个灵活的框架，可用于在各种环境中创建、训练和评估对话式 AI 智能体。它支持通过语音、文本或对话动作（dialogue acts）进行交互。每个对话智能体都可以与数据、人类用户或其他对话智能体（在多智能体设置中）进行交互。智能体的每个组件都可以独立进行在线或离线训练。只要遵循 Plato 的接口规范，Plato 几乎可以轻松集成任何现有的模型。

相关论文引用：

Alexandros Papangelis, Mahdi Namazifar, Chandra Khatri, Yi-Chia Wang, Piero Molino, and Gokhan Tur, "Plato Dialogue System: A Flexible conversational AI Research Platform", ArXiv Preprint [论文]

Alexandros Papangelis, Yi-Chia Wang, Piero Molino, and Gokhan Tur, “Collaborative Multi-Agent Dialogue Model Training Via Reinforcement Learning”, SIGDIAL 2019 [论文]

柏拉图（Plato）曾撰写过几段对话，内容涉及角色们针对某个主题通过提问进行争论。这些对话中有许多以苏格拉底为主角，包括苏格拉底的审判。（苏格拉底于 2012 年 5 月 25 日在希腊雅典举行的一场新审判中被判无罪）。

新闻

v0.2: 相较于 v0.1，本次更新主要将 Plato RDS 打包为标准库。这使得创建和维护新的对话式 AI 应用变得更加容易，所有教程也已更新以反映这一变化。Plato 现在还附带了一个可选的图形用户界面（GUI）。尽情享受吧！

ReadMe 目录

• Plato Research Dialogue System 是如何工作的？
• 安装
  • 从源代码安装 Plato (推荐)
  • 安装过程中的常见问题
• 运行 Plato
• 使用 Plato 构建对话智能体
  • 域 (Domain)
  • 控制器 (Controller)
  • 智能体 (Agent)
    • 基于规则的模块
    • 训练模块
      • Plato 内部经验
      • 使用 Plato 解析数据
      • 训练对话智能体组件
        • 训练 NLU
        • 训练 DST
        • 训练对话策略 (Dialogue Policy)
          • 监督学习对话策略
          • 强化学习对话策略
        • 训练 NLG
        • 训练基于 Seq2Seq 的端到端对话智能体
    • 同时训练多个对话智能体
    • 用户模拟器
      • 基于议程的用户模拟器
      • 对话动作到语言的用户模拟器
    • 创建新模块
      • 创建新的状态、动作、学习算法等
  • 图形用户界面 (GUI)
• 即将发布的教程
• 即将推出的功能
• 致谢
• 总结

Plato Research Dialogue System 是如何工作的？

从概念上讲，一个对话智能体需要经过多个步骤来处理接收到的输入信息（例如：“今天天气怎么样？”），并生成适当的输出（例如：“有风，但不算太冷。”）。对应标准架构主要组件（见图 1）的核心步骤包括：

• 语音识别（将语音转录为文本）
• 自然语言理解（从文本中提取含义）
• 状态追踪（汇总目前为止所说和所做信息的统计）
• API 调用（搜索数据库、查询 API 等）
• 对话策略（生成智能体响应的抽象含义）
• 自然语言生成（将抽象含义转换为文本）
• 语音合成（将文本转换为语音）

Plato 的设计尽可能保持模块化和灵活性；它不仅支持传统的对话式 AI 架构，还支持自定义架构。重要的是，它支持多方交互，即多个可能扮演不同角色的智能体可以相互交互、并发训练并解决分布式问题。

下方的图 1 和图 2 分别展示了 Plato 对话智能体在与人类用户及模拟用户交互时的架构示例。与模拟用户进行交互。